1. 効率的で綺麗な可視化（６０～９０分程度）
   • 整然データ（tidy data）とは？（復習）
   • 可視化の重要性
   • ggplot2とは？
   • ggplot2の基本
     • 散布図
     • ヒストグラム
     • 箱ひげ図
   • 復習のためのリソース
2. 演習１～５（残り）

• 整然データ（tidy data）とはデータハンドリングを習得する上で知っておくべき概念
  • 一言で表すと「（Coddの）第三正規形」
  • 整然データとは何か (Colorless Green Ideas)
  • 整然データってなに？ (Speaker Deck)
• Rで最も使うデータ・フレーム型は整然データにしておくべき
  • 雑然データへの変換は簡単
  • 整然データなら可視化（見える化）も簡単

• 下の散布図は全て同じ統計量！
  • 数字を眺めてるだけでは判断を間違う可能性がある
  • 分析の最初には必ずデータの分布を確認する癖をつける

• Create Elegant Data Visualisations Using the Grammar of Graphics
  • 文字通り統一された文法で様々なグラフを描けるパッケージ
  • tidyverseシリーズなので整然データを前提とした設計
  • といっても現時点ではパイプ演算子（%>%）は使えません
• 特徴
  • GIS（地理情報システム）などと同じレイヤー構造
  • ggplot2::aes（エステティック・マッピング）という考え方
  • 出来ないないことは関連パッケージで補える柔軟性
    • QQプロットはqqplotr, 格子配置はggExtra, etc
  • 忖度してくれない（とりあえずでデータを突っ込んでも描画はしない）
    • base plotはとりあえずで突っ込んでも何か描いてくれる

• ggplot2はデータフレーム型のデータを第一引数に取ります
• 第一引数内にX軸用データ、Y軸用データ、グループ化データの三項目が必要です（当然、描くグラフにより変わります）

　
つまり、整然データ（tidy data）が必要

iris

アイリス（ギリシャ語のイリスに由来）とはアヤメ科アヤメ属の多年草。花は三個の花弁（内花、Petal）と三個の萼片（外花、Sepal）から構成される。Setosaの和名はヒオウギアヤメ、Versicolor、Virginicaはカキツバタに分類されるらしい。iris datasetはフィッシャーの線形判別分析に用いられたデータ（irisの正体）。

http://suruchifialoke.com/2016-10-13-machine-learning-tutorial-iris-classification/

二変数の関係を把握する

データの値の度数分布を把握する

統計量（五数要約）を視覚的に把握する（分布がつかみにくいのでドットチャートとの併用やヴァイオリンプロットが使われることも多い）

iris %>% ggplot(aes(x = Sepal.Width, y = Sepal.Length))

iris %>% ggplot(aes(x = Sepal.Width, y = Sepal.Length)) +
  geom_point()

iris %>% ggplot(aes(x = Sepal.Width, y = Sepal.Length)) +
  geom_point() + geom_smooth(method = "lm", se = FALSE)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) +
  geom_point(aes(colour = Species))

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) +
  geom_point(aes(colour = Species)) + geom_smooth(method = "lm", se = FALSE)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length, colour = Species)) +
  geom_point() + geom_smooth(method = "lm", se = FALSE)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) +
  geom_point(aes(colour = Species)) + geom_smooth(method = "lm", se = FALSE)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) +
  geom_point() + geom_smooth(aes(colour = Species), method = "lm", se = FALSE)

• ベース座標（ggplot関数）で指定したaes関数のパラメータは全てのレイヤー（geom_関数）に対して有効

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length, colour = Species)) +
  geom_point() + geom_smooth(method = "lm", se = FALSE)

• 各レイヤー（geom_関数）で指定したaes関数のパラメータは各レイヤー（geom_関数）内のみで有効

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) +
  geom_point() + geom_smooth(aes(colour = Species), method = "lm", se = FALSE)

iris %>% ggplot(aes(x = Petal.Length))

iris %>% ggplot(aes(x = Petal.Length)) + 
  geom_histogram()

ggplot(iris, aes(x = Petal.Length, fill = Species)) + 
  geom_histogram(alpha = 0.5)                         # position = "stack"

ggplot(iris, aes(x = Petal.Length, fill = Species)) + 
  geom_histogram(position = "identity", alpha = 0.5)

ggplot(iris, aes(x = Petal.Length, fill = Species)) + 
  geom_histogram(aes(y = ..density..), position = "identity", alpha = 0.5) +
  geom_density(colour = "darkgray", alpha = 0.25)

ggplot2::geom_histogram関数のデフォルト設定では階級数が30に固定されています。階級数（または階級幅）を一意に決める方法はありませんが、Rではpritty関数を用いることで適切な階級（数、幅）を求めることができます。

pretty(x, n)

　
注）cut関数は値がどの階級に含まれるかを調べる関数

breaks <- with(iris, pretty(Petal.Length, nclass.Sturges(Petal.Length)))
ggplot(iris, aes(x = Petal.Length, fill = Species)) + 
  geom_histogram(breaks = breaks, position = "identity", alpha = 0.5)

iris %>% ggplot(aes(x = Species, y = Sepal.Length))

iris %>% ggplot(aes(x = Species, y = Sepal.Length)) +
  geom_boxplot()

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_boxplot(aes(colour = Species))

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_boxplot(aes(fill = Species), alpha = 0.5)

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_boxplot(aes(colour = Species, fill = Species), alpha = 0.5)

ggplot(iris, aes(x = NA, y = Sepal.Length)) +
  geom_boxplot()

ggplot(iris, aes(x = Species, y = Sepal.Length, colour = Species)) +
  geom_boxplot() + geom_dotplot(binaxis = "y", stackdir = "up", dotsize = 0.75)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) + facet_wrap(~ Species)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) + facet_wrap(~ Species) + 
  geom_point() + geom_smooth(method = "lm", se = FALSE)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length, colour = Species)) +
  geom_point() + geom_smooth(method = "lm", se = FALSE) + facet_wrap(~ Species)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) + facet_wrap(~ Species) +
  geom_point(aes(colour = Species)) + geom_smooth(method = "lm", se = FALSE)

ggplot(iris, aes(x = Sepal.Width, y = Sepal.Length)) + geom_point() +
  facet_wrap(~ Species) + geom_smooth(aes(colour = Species), method = "lm", se = FALSE) 

# ggplot(iris, aes(Sepal.Width, fill = Species)) + facet_wrap(~ Species) + 
#     geom_histogram(position = "identity", alpha = 0.75) + gghighlight::gghighlight()

ggplot(data = df,                     # 描画するデータセット（tidy data）を指定
       mapping = aes(x, y,            # グラフ軸とデータの対応を指定
                     colour, ...)) +  # 色（グループ）とデータの対応を指定
  geom_point(...) +                   # 描画するグラフを指定
  geom_smooth(...) +                  # 重ね合わせるグラフを指定
  ...                                 # その他、軸や背景などのグラフ要素を指定

ggplot2パッケージを用いる場合には、描画対象となるデータを含んだデータセット（tidy data）が必要です。なので、dplyrパッケージやtidyrパッケージを駆使してデータセットをいかに作るかが最初のポイントになります。

データセットを指定したら各座標に割り当てるデータやグルーピングするためのデータなどを指定します。どのようなグラフでも指定方法はggplot2の文法にしたがいます。なので、エステティック関数（aes）の使い方が二つ目のポイントになります。（最新版チートシート）

• ggplot2のすゝめ
• ggplot2あれこれ
  • [base/ggplot2]メニュー内に代表的なグラフの描き方を紹介しています

• ggplot2再入門
• ggplot2逆引き
• グラフ描画ggplot2の辞書的まとめ20のコード
• ggplot2 — きれいなグラフを簡単に合理的に
• Rのグラフィック作成パッケージ“ggplot2”について
• 公式Reference（英語）

CC BY-NC-SA 4.0, Sampo Suzuki